综合评价之熵值法+TOPSIS-Toy模板网

这篇具有很好参考价值的文章主要介绍了综合评价之熵值法+TOPSIS。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、熵值法

（一）原理

熵指代一种混乱程度，定义事物越混乱，其熵值就越大，事物越整齐，其熵值就越大。熵值法就是采用熵这个概念来对指标进行赋权。熵值法认为一个若一个指标的数据都大差不差，没有什么区别，那么其数据包含的信息量是很少的，几乎不能帮助我们决策，因此会赋予该指标一个小的权重，若一个指标的数据非常离散，则其包含较多的信息，做决策时应更依赖该指标，因此应该赋予该指标一个大的权重。在上诉思想上而建立了熵值法。其是基于数据本身的波动来进行赋权的，不具有主观性。

（二）计算步骤

(1)假设m个样本n个指标的原始数据矩阵为

(2)对原始数据进行无量纲处理，使其具有可比性。一般避免ln0的出现会在数据上加上0.0001

对正向指标， $综合评价之熵值法+TOPSIS$

对负向指标， $综合评价之熵值法+TOPSIS$

(3）计算指标的比重阵

(4）计算各指标的熵值

(5)计算差异项系数

(6)计算指标权重

(7)计算各样本的综合得分水平

二、TOPSIS

一、原理

Topsis法（Technique for order preference by similarity to ideal solution）逼近理想解排序法，是有限方案多目标决策分析的一种常用方法，可用于效益评价、卫生决策和卫生事业管理等多个领域。其方法对资料无特殊要求，使用灵活简便，应用广泛。基于归一化后的原始数据矩阵，采用余弦法找出有限方案中的最优方案和最劣方案（分别用最优向量和最劣向量表示），然后分别计算各评价对象与最优方案和最劣方案间的距离，获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据。充分利用原始数据的信息，其结果能精确能精确反映各方案之间的差距。

二、计算步骤

（1）将原始矩阵正向化

对极大型指标（数据越大越好）不做处理

对极小型指标（越小越好）对j指标做处理：

对中间型指标（数据越趋近某个特定值越好）

对区间型指标（在某个区间[a,b]最好）

(2)矩阵标准化(每一个数/(其所在列数的平方和)^(1/2))

(3)确定最优方案和最劣方案

最优方案Z+由Z中每列中的最大值构成：Z+=(maxZi1,maxZi2,…,maxZin)

最劣方案Z-由Z中每列中的最小值构成：Z- =(minZi1,minZi2,…,minZin)

(4)计算每一个评价对象与Z+和Z-的距离Di+和Di-：

$综合评价之熵值法+TOPSIS$